什么是机器学习？

[tanjimajha12]

机器学习已经成为一个被频繁提及的术语，以至于越来越难以准确理解它是什么以及它应该做什么。机器学习的定义要么太宽泛，要么太狭窄，以至于无法理解机器学习的实际工作原理，而且市面上有太多的机器学习速查表，事情常常令人困惑。


机器学习最全面的定义是“通过以观察和现实世界交互的形式向计算机提供数据和信息，使计算机像人类一样学习和行动，并以自主的方式随着时间的推移提高其学习能力的科学”。


加拿大科学委员会和马克斯普 意大利手机号码列表 朗克研究所的 Danko Nikolic 博士给出了另一个很好的定义，他将机器学习定义为“让计算机无需明确编程就能行动的科学，而是让它们自己学习一些技巧”。

任何机器学习算法的主要目标都是从训练样本中创建概括，使计算机能够解释以前从未见过的数据。

机器学习的基本概念
机器学习算法可以按以下两种方式进行分类。

根据学习风格，机器学习需要多少监督。这包括监督学习、无监督学习和半监督学习。
根据其构建形式，例如分类、回归、决策树、聚类和深度学习。您使用的方法从基本决策树到聚类再到人工神经网络层，各不相同，具体取决于您要完成的任务和拥有的数据量。下面给出了一些可视化示例。
决策树模型
你需要知道的最佳机器学习备忘单
图片来源 – techmergence
高斯混合模型
你需要知道的最佳机器学习备忘单
图片来源 – techmergence
为什么需要机器学习备忘单？
现在是成为机器学习 (ML) 工程师的好时机。ML 工程师不得不担心构建平台和手动编写数值算法的日子已经一去不复返了。

如今，有如此多的 ML 工具和资源可用；从 AWS 的深度学习 AMI 到 Android 的 NN API，机器学习工程师可以专注于解决关键问题，而不必担心繁重的工作。

那么，为什么当今世界上机器学习工程师仍然如此之少呢？一个主要原因是大多数工程师对机器学习的态度非常单一。